阅读说明：本技术 音视频编辑方法、装置及存储介质 (Audio and video editing method and device and storage medium ) 是由 耿军 马春阳 杨昌源 陈羽飞 于 2019-01-02 设计创作，主要内容包括：本公开涉及音视频编辑方法、装置及存储介质。该方法包括：对至少一个待剪辑视频进行镜头检测,确定所述至少一个待剪辑视频中的至少一个镜头片段；确定所述至少一个待剪辑视频对应的背景音频中的转折点；合成所述至少一个镜头片段和所述背景音频,使相邻的镜头片段之间的镜头切换时间点和所述转折点相匹配。本公开能够通过对背景音频进行分析确定背景音频中的转折点,使镜头片段与背景音频的音频片段相对应,使音乐变化与镜头切换节奏匹配,从而能够得到音乐变化与画面变化相协调的合成视频。(The disclosure relates to an audio and video editing method, an apparatus and a storage medium. The method comprises the following steps: shot detection is carried out on at least one video to be edited, and at least one shot section in the at least one video to be edited is determined; determining a turning point in background audio corresponding to the at least one video to be edited; and synthesizing the at least one shot section and the background audio so that shot switching time points between adjacent shot sections are matched with the turning point. The method and the device can determine the turning point in the background audio by analyzing the background audio, so that the shot section corresponds to the audio section of the background audio, the music change is matched with the shot switching rhythm, and the synthesized video with the music change and the picture change coordinated can be obtained.)

音视频编辑方法、装置及存储介质

技术领域

本公开涉及视频技术领域，尤其涉及一种音视频编辑方法、装置及存储介质。

背景技术

科技推动媒介升级，各大平台在积极推动视频媒介的升级，将电商和社交软件内容从图文形式转变为视频形式。音视频编辑是音视频内容制作的重点和难点。如何将多个视频片段按照一定的规律剪辑组合在一起，形成一整段音乐与画面变化相协调的视频，是亟待解决的问题。

发明内容

有鉴于此，本公开提出了一种音视频编辑方法、装置及存储介质。

根据本公开的一方面，提供了一种音视频编辑方法，包括：

对至少一个待剪辑视频进行镜头检测，确定所述至少一个待剪辑视频中的至少一个镜头片段；

确定所述至少一个待剪辑视频对应的背景音频中的转折点；

合成所述至少一个镜头片段和所述背景音频，使相邻的镜头片段之间的镜头切换时间点和所述转折点相匹配。

在一种可能的实现方式中，确定所述至少一个待剪辑视频对应的背景音频中的转折点，包括以下一项或两项：

根据所述背景音频中的音符的能量，确定所述背景音频中的转折点；

根据所述背景音频中的音符之间的时间间隔，确定所述背景音频中的转折点。

在一种可能的实现方式中，还包括：

确定所述转折点的优先级；

根据所述转折点的优先级，从所述转折点中确定目标转折点；

合成所述至少一个镜头片段和所述背景音频，使相邻的镜头片段之间的镜头切换时间点和所述转折点相匹配，包括：

合成所述至少一个镜头片段和所述背景音频，使相邻的镜头片段之间的镜头切换时间点和所述目标转折点相匹配。

在一种可能的实现方式中，确定所述转折点的优先级，包括以下一项或两项：

根据所述背景音频的速度，确定不同类的转折点的优先级；

根据同类的不同转折点对应的音符的能量，确定同类的不同转折点的优先级。

在一种可能的实现方式中，根据所述背景音频中的音符的能量，确定所述背景音频中的转折点，包括：

若所述背景音频中的第一音符的能量与第二音符的能量的比值大于第一阈值，则根据所述第一音符的出现时间确定所述背景音频中的第一类转折点，其中，所述第一音符为所述第二音符的下一个音符；或者，

若所述第一音符的能量与所述第二音符的能量的差值大于第二阈值，则根据所述第一音符的出现时间确定所述背景音频中的第一类转折点。

在一种可能的实现方式中，根据所述第一音符的出现时间确定的第一类转折点的优先级，与所述第一音符的能量与所述第二音符的能量的比值正相关；或者，

根据所述第一音符的出现时间确定的第一类转折点的优先级，与所述第一音符的能量与所述第二音符的能量的差值正相关。

在一种可能的实现方式中，根据所述背景音频中的音符的能量，确定所述背景音频中的转折点，包括：

若所述背景音频中的第一音频片段与第二音频片段的相似度大于第三阈值，则根据所述第一音频片段的最后一个音符的出现时间和所述第二音频片段的最后一个音符的出现时间分别确定所述背景音频中的第三类转折点。

在一种可能的实现方式中，根据所述第一音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与所述第一音频片段与所述第二音频片段的相似度正相关；根据所述第二音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与所述第一音频片段与所述第二音频片段的相似度正相关。

在一种可能的实现方式中，根据所述背景音频中的音符的能量，确定所述背景音频中的转折点，包括：

若所述背景音频中的第一音频片段的音符的能量的强弱交替现象符合指定的强弱交替模式，则根据所述第一音频片段的最后一个音符的出现时间确定所述背景音频中的第四类转折点。

在一种可能的实现方式中，根据所述第一音频片段的最后一个音符的出现时间确定的第四类转折点的优先级，与所述第一音频片段的相邻音符的能量差值正相关。

在一种可能的实现方式中，根据所述背景音频中的音符之间的时间间隔，确定所述背景音频中的转折点，包括：

若所述背景音频中的第一音符与第二音符之间的时间间隔大于第四阈值，则根据所述第一音符的出现时间确定所述背景音频中的第二类转折点，其中，所述第一音符为所述第二音符的下一个音符。

根据本公开的另一方面，提供了一种音视频编辑装置，包括：

镜头检测模块，用于对至少一个待剪辑视频进行镜头检测，确定所述至少一个待剪辑视频中的至少一个镜头片段；

第一确定模块，用于确定所述至少一个待剪辑视频对应的背景音频中的转折点；

合成模块，用于合成所述至少一个镜头片段和所述背景音频，使相邻的镜头片段之间的镜头切换时间点和所述转折点相匹配。

在一种可能的实现方式中，所述第一确定模块第一确定子模块和第二确定子模块中的一个或两个；

所述第一确定子模块，用于根据所述背景音频中的音符的能量，确定所述背景音频中的转折点；

所述第二确定子模块，用于根据所述背景音频中的音符之间的时间间隔，确定所述背景音频中的转折点。

在一种可能的实现方式中，所述装置还包括：

第二确定模块，用于确定所述转折点的优先级；

第三确定模块，用于根据所述转折点的优先级，从所述转折点中确定目标转折点；

所述合成模块用于：

合成所述至少一个镜头片段和所述背景音频，使相邻的镜头片段之间的镜头切换时间点和所述目标转折点相匹配。

在一种可能的实现方式中，所述第二确定模块包括第三确定子模块和第四确定子模块中的一个或两个；

所述第三确定子模块，用于根据所述背景音频的速度，确定不同类的转折点的优先级；

所述第四确定子模块，用于根据同类的不同转折点对应的音符的能量，确定同类的不同转折点的优先级。

在一种可能的实现方式中，所述第一确定子模块用于：

若所述背景音频中的第一音符的能量与第二音符的能量的比值大于第一阈值，则根据所述第一音符的出现时间确定所述背景音频中的第一类转折点，其中，所述第一音符为所述第二音符的下一个音符；或者，

若所述第一音符的能量与所述第二音符的能量的差值大于第二阈值，则根据所述第一音符的出现时间确定所述背景音频中的第一类转折点。

在一种可能的实现方式中，根据所述第一音符的出现时间确定的第一类转折点的优先级，与所述第一音符的能量与所述第二音符的能量的比值正相关；或者，

根据所述第一音符的出现时间确定的第一类转折点的优先级，与所述第一音符的能量与所述第二音符的能量的差值正相关。

在一种可能的实现方式中，所述第一确定子模块用于：

若所述背景音频中的第一音频片段与第二音频片段的相似度大于第三阈值，则根据所述第一音频片段的最后一个音符的出现时间和所述第二音频片段的最后一个音符的出现时间分别确定所述背景音频中的第三类转折点。

在一种可能的实现方式中，根据所述第一音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与所述第一音频片段与所述第二音频片段的相似度正相关；根据所述第二音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与所述第一音频片段与所述第二音频片段的相似度正相关。

在一种可能的实现方式中，所述第一确定子模块用于：

若所述背景音频中的第一音频片段的音符的能量的强弱交替现象符合指定的强弱交替模式，则根据所述第一音频片段的最后一个音符的出现时间确定所述背景音频中的第四类转折点。

在一种可能的实现方式中，根据所述第一音频片段的最后一个音符的出现时间确定的第四类转折点的优先级，与所述第一音频片段的相邻音符的能量差值正相关。

在一种可能的实现方式中，所述第二确定子模块用于：

若所述背景音频中的第一音符与第二音符之间的时间间隔大于第四阈值，则根据所述第一音符的出现时间确定所述背景音频中的第二类转折点，其中，所述第一音符为所述第二音符的下一个音符。

根据本公开的另一方面，提供了一种音视频编辑装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

在本公开实施例中，通过对至少一个待剪辑视频进行镜头检测，确定至少一个待剪辑视频中的至少一个镜头片段，确定至少一个待剪辑视频对应的背景音频中的转折点，并合成至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配，由此能够通过对背景音频进行分析确定背景音频中的转折点，使镜头片段与背景音频的音频片段相对应，使音乐变化与镜头切换节奏匹配，从而能够得到音乐变化与画面变化相协调的合成视频。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的音视频编辑方法的流程图。

图2示出根据本公开一实施例的音视频编辑方法中相邻的镜头片段之间的镜头切换时间点和转折点相匹配的示意图。

图3示出根据本公开一实施例的音视频编辑方法中相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配的示意图。

图4示出根据本公开一实施例的音视频编辑装置的框图。

图5是根据一示例性实施例示出的一种音视频编辑装置800的框图。

图6是根据一示例性实施例示出的一种音视频编辑装置1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的音视频编辑方法的流程图。该音视频编辑方法的执行主体可以是音视频编辑装置。例如，该音视频编辑方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，该音视频编辑方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该音视频编辑方法包括步骤S11至步骤S13。

在步骤S11中，对至少一个待剪辑视频进行镜头检测，确定该至少一个待剪辑视频中的至少一个镜头片段。

在本公开实施例中，可以将一个或多个待剪辑视频与背景音频进行合成，其中，每个待剪辑视频可以包括一个或多个镜头片段。本公开实施例可以采用相关技术对待剪辑视频进行镜头检测，确定待剪辑视频中的镜头切换时间点，即确定待剪辑视频中不同的镜头片段。

在一种可能的实现方式中，在待剪辑视频的数量大于1时，可以根据各个待剪辑视频被选择的先后顺序确定各个待剪辑视频在合成视频中的顺序。

在步骤S12中，确定该至少一个待剪辑视频对应的背景音频中的转折点。

在本公开实施例中，该至少一个待剪辑视频对应的背景音频可以指用于与该至少一个待剪辑视频进行合成的背景音乐对应的音频。

在一种可能的实现方式中，确定该至少一个待剪辑视频对应的背景音频中的转折点，包括以下一项或两项：根据背景音频中的音符的能量，确定背景音频中的转折点；根据背景音频中的音符之间的时间间隔，确定背景音频中的转折点。

作为该实现方式的一个示例，根据背景音频中的音符的能量，确定背景音频中的转折点，包括：若背景音频中的第一音符的能量与第二音符的能量的比值大于第一阈值，则根据第一音符的出现时间确定背景音频中的第一类转折点，其中，第一音符为第二音符的下一个音符；或者，若第一音符的能量与第二音符的能量的差值大于第二阈值，则根据第一音符的出现时间确定背景音频中的第一类转折点。在该示例中，背景音频中的转折点包括第一类转折点。

例如，第一阈值等于2。在该示例中，若第一音符的能量与第二音符的能量的比值大于第一阈值，则第一音符可以被定义为峰值音符。

例如，根据第一音符的出现时间确定背景音频中的第一类转折点，可以为：将第一音符的出现时间确定为背景音频中的第一类转折点。

又如，根据第一音符的出现时间确定背景音频中的第一类转折点，可以为：将第一音符的上一个音符(即第二音符)的出现时间确定为背景音频中的第一类转折点。

需要说明的是，尽管以将第一音符的出现时间确定为背景音频中的第一类转折点或者将第一音符的上一个音符(即第二音符)的出现时间确定为背景音频中的第一类转折点作为示例介绍了根据第一音符的出现时间确定背景音频中的第一类转折点的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活根据第一音符的出现时间确定背景音频中的第一类转折点。例如，可以根据第一音符确定一个音符区间，该音符区间的中点为第一音符，该音符区间的长度为预设值。可以将该音符区间中的任意一个音符的出现时间确定背景音频中的第一类转折点。

在该示例中，例如，根据第一音符的出现时间确定的第一类转折点的优先级，与第一音符的能量与第二音符的能量的比值正相关；或者，根据第一音符的出现时间确定的第一类转折点的优先级，与第一音符的能量与第二音符的能量的差值正相关。

在这个例子中，第一音符的能量与第二音符的能量的比值越大，则根据第一音符的出现时间确定的第一类转折点的优先级越高；或者，第一音符的能量与第二音符的能量的差值越大，则根据第一音符的出现时间确定的第一类转折点的优先级越高。

作为该实现方式的另一个示例，根据背景音频中的音符的能量，确定背景音频中的转折点，包括：若背景音频中的第一音频片段与第二音频片段的相似度大于第三阈值，则根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点。在该示例中，背景音频中的转折点包括第三类转折点。

在该示例中，可以根据第一音频片段与第二音频片段的相应位置的音符的能量的差别，确定第一音频片段与第二音频片段的相似度。例如，第一音频片段的音符的能量依次为x₁至x_n，第二音频片段的音符的能量依次为y₁至y_n，则第一音频片段与第二音频片段之间的距离可以表示为第一音频片段与第二音频片段之间的距离越大，则第一音频片段与第二音频片段的相似度越低；第一音频片段与第二音频片段之间的距离越小，则第一音频片段与第二音频片段的相似度越高。

在该示例中，例如，根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点，可以为：将第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定为背景音频中的第三类转折点。

又如，根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点，可以为：将第一音频片段的最后一个音符的下一个音符的出现时间和第二音频片段的最后一个音符的下一个音符的出现时间分别确定为背景音频中的第三类转折点。

需要说明的是，尽管以将第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定为背景音频中的第三类转折点，或者将第一音频片段的最后一个音符的下一个音符的出现时间和第二音频片段的最后一个音符的下一个音符的出现时间分别确定为背景音频中的第三类转折点作为示例介绍了根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点。

在该示例中，例如，根据第一音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与第一音频片段与第二音频片段的相似度正相关；根据第二音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与第一音频片段与第二音频片段的相似度正相关。

在这个例子中，第一音频片段与第二音频片段的相似度越高，则根据第一音频片段的最后一个音符的出现时间确定的第三类转折点的优先级越高，且根据第二音频片段的最后一个音符的出现时间确定的第三类转折点的优先级越高。

作为该实现方式的另一个示例，根据背景音频中的音符的能量，确定背景音频中的转折点，包括：若背景音频中的第一音频片段的音符的能量的强弱交替现象符合指定的强弱交替模式，则根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点。在该示例中，背景音频中的转折点包括第四类转折点。

在该示例中，指定的强弱交替模式可以包括一种或多种强弱交替模式。例如，某一种强弱交替模式为“强弱强弱强弱强弱强弱”，该强弱交替模式设定音符数量为10以上。

在该示例中，例如，根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点，可以为：将第一音频片段的最后一个音符的出现时间确定为背景音频中的第四类转折点。

又如，根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点，可以为：将第一音频片段的最后一个音符的下一个音符的出现时间确定为背景音频中的第四类转折点。

需要说明的是，尽管以将第一音频片段的最后一个音符的出现时间确定为背景音频中的第四类转折点或者将第一音频片段的最后一个音符的下一个音符的出现时间确定为背景音频中的第四类转折点作为示例介绍了根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点。

在该示例中，例如，根据第一音频片段的最后一个音符的出现时间确定的第四类转折点的优先级，与第一音频片段的相邻音符的能量差值正相关。

在这个例子中，第一音频片段的相邻音符的能量差值越大，则根据第一音频片段的最后一个音符的出现时间确定的第四类转折点的优先级越高。

在这个例子中，第一音频片段的相邻音符的能量差值的标准差可以表示为其中，N表示第一音频片段的音符数量，x_i表示第i个音符的能量，1≤i≤N-1。

作为该实现方式的一个示例，根据背景音频中的音符之间的时间间隔，确定背景音频中的转折点，包括：若背景音频中的第一音符与第二音符之间的时间间隔大于第四阈值，则根据第一音符的出现时间确定背景音频中的第二类转折点，其中，第一音符为第二音符的下一个音符。在该示例中，背景音频中的转折点包括第二类转折点。

例如，根据第一音符的出现时间确定背景音频中的第二类转折点，可以为：将第一音符的出现时间确定为背景音频中的第二类转折点。

又如，根据第一音符的出现时间确定背景音频中的第二类转折点，可以为：将第一音符的上一个音符(即第二音符)的出现时间确定为背景音频中的第二类转折点。

需要说明的是，尽管以将第一音符的出现时间确定为背景音频中的第二类转折点或者将第一音符的上一个音符(即第二音符)的出现时间确定为背景音频中的第二类转折点作为示例介绍了根据第一音符的出现时间确定背景音频中的第二类转折点的方式如上，但本领域技术人员能够理解，本公开应不限于此。本领域技术人员可以根据实际应用场景需求和/或个人喜好灵活根据第一音符的出现时间确定背景音频中的第二类转折点。

在该示例中，第四阈值可以根据背景音频的每分钟节拍数确定。例如，第四阈值可以等于1.8×60/t，其中，t表示每分钟节拍数。

在步骤S13中，合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配。

在一种可能的实现方式中，相邻的镜头片段之间的镜头切换时间点和转折点相匹配，可以表示相邻的镜头片段之间的镜头切换时间点在转折点上，即，相邻的镜头片段之间的镜头切换时间点对齐转折点。

在另一种可能的实现方式中，相邻的镜头片段之间的镜头切换时间点和转折点相匹配，可以表示相邻的镜头片段之间的镜头切换时间点和转折点之间相差的节拍数小于第七阈值。在该实现方式中，不要求相邻的镜头片段之间的镜头切换时间点与转折点完全对齐，例如，两者之间可以相差一个节拍。

图2示出根据本公开一实施例的音视频编辑方法中相邻的镜头片段之间的镜头切换时间点和转折点相匹配的示意图。在图2中，线段表示时间轴，A₁至A₄表示镜头切换时间点，B₁至B₈表示转折点。如图2所示，在本公开实施例中，可以从转折点中选取与镜头切换时间点数量相同的转折点作为目标转折点，使镜头切换时间点和目标转折点相匹配。在本公开实施例中，可以采用任意方式从转折点中选取目标转折点，例如，可以从转折点中随机选取与镜头切换时间点数量相同的转折点作为目标转折点。

在一种可能的实现方式中，该方法还包括：确定转折点的优先级；根据转折点的优先级，从转折点中确定目标转折点；合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配，包括：合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配。

作为该实现方式的一个示例，确定转折点的优先级，包括以下一项或两项：根据背景音频的速度，确定不同类的转折点的优先级；根据同类的不同转折点对应的音符的能量，确定同类的不同转折点的优先级。

在该示例中，背景音频的速度可以指背景音频的每分钟节拍数。

例如，根据背景音频的速度，确定不同类的转折点的优先级，可以包括：若背景音频的速度小于第五阈值，则第一类转折点的优先级＝第二类转折点的优先级>第三类转折点的优先级>第四类转折点的优先级。例如，第五阈值为60bpm。其中，“>”表示高于，例如，第二类转折点的优先级>第三类转折点的优先级表示第二类转折点的优先级高于第三类转折点的优先级。

又如，根据背景音频的速度，确定不同类的转折点的优先级，可以包括：若背景音频的速度大于或等于第五阈值且小于第六阈值，则第三类转折点的优先级＝第四类转折点的优先级>第二类转折点的优先级>第一类转折点的优先级。例如，第六阈值为120bpm。

又如，根据背景音频的速度，确定不同类的转折点的优先级，可以包括：若背景音频的速度大于或等于第六阈值，则第一类转折点的的优先级＝第四类转折点的优先级>第二类转折点的优先级>第三类转折点的优先级。

作为该实现方式的一个示例，相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配，可以表示相邻的镜头片段之间的镜头切换时间点在目标转折点上，即，相邻的镜头片段之间的镜头切换时间点对齐目标转折点。

作为该实现方式的另一个示例，相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配，可以表示相邻的镜头片段之间的镜头切换时间点和目标转折点之间相差的节拍数小于第八阈值。在该示例中，不要求相邻的镜头片段之间的镜头切换时间点与目标转折点完全对齐，例如，两者之间可以相差一个节拍。

图3示出根据本公开一实施例的音视频编辑方法中相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配的示意图。

在该实现方式中，根据转折点的优先级，从转折点中确定目标转折点，合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配，由此能够使镜头切换的节奏与音乐变化的节奏更匹配。

在本公开实施例中，从各个镜头片段中截取与相应的音频片段时长相同的视频片段进行合成，以使相邻的镜头片段之间的镜头切换时间点和转折点相匹配。例如，在图3所示的示例中，与镜头片段C_j相应的音频片段为D_j，其中，1≤j≤5。在该实现方式中，从镜头片段C_j中截取与音频片段D_j的时长相同的视频片段进行合成，以使相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配。例如，D₁的时长为3秒，若C₁的时长大于3秒，则从C₁中截取3秒进行合成。

在本公开实施例中，通过对至少一个待剪辑视频进行镜头检测，确定至少一个待剪辑视频中的至少一个镜头片段，确定至少一个待剪辑视频对应的背景音频中的转折点，并合成至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配，由此能够通过对背景音频进行分析确定背景音频中的转折点，使镜头片段与背景音频的音频片段相对应，使音乐变化与镜头切换节奏匹配，从而能够得到音乐变化与画面变化相协调的合成视频。本公开实施例能够降低普通视频用户和商家的音视频编辑制作成本和时间。

图4示出根据本公开一实施例的音视频编辑装置的框图。如图4所示，该装置包括：镜头检测模块41，用于对至少一个待剪辑视频进行镜头检测，确定该至少一个待剪辑视频中的至少一个镜头片段；第一确定模块42，用于确定该至少一个待剪辑视频对应的背景音频中的转折点；合成模块43，用于合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配。

在一种可能的实现方式中，第一确定模块42包括第一确定子模块和第二确定子模块中的一个或两个；第一确定子模块，用于根据背景音频中的音符的能量，确定背景音频中的转折点；第二确定子模块，用于根据背景音频中的音符之间的时间间隔，确定背景音频中的转折点。

在一种可能的实现方式中，该装置还包括：第二确定模块，用于确定转折点的优先级；第三确定模块，用于根据转折点的优先级，从转折点中确定目标转折点；合成模块43用于：合成该至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和目标转折点相匹配。

在一种可能的实现方式中，第二确定模块包括第三确定子模块和第四确定子模块中的一个或两个；第三确定子模块，用于根据背景音频的速度，确定不同类的转折点的优先级；第四确定子模块，用于根据同类的不同转折点对应的音符的能量，确定同类的不同转折点的优先级。

在一种可能的实现方式中，第一确定子模块用于：若背景音频中的第一音符的能量与第二音符的能量的比值大于第一阈值，则根据第一音符的出现时间确定背景音频中的第一类转折点，其中，第一音符为第二音符的下一个音符；或者，若第一音符的能量与第二音符的能量的差值大于第二阈值，则根据第一音符的出现时间确定背景音频中的第一类转折点。

在一种可能的实现方式中，根据第一音符的出现时间确定的第一类转折点的优先级，与第一音符的能量与第二音符的能量的比值正相关；或者，根据第一音符的出现时间确定的第一类转折点的优先级，与第一音符的能量与第二音符的能量的差值正相关。

在一种可能的实现方式中，第一确定子模块用于：若背景音频中的第一音频片段与第二音频片段的相似度大于第三阈值，则根据第一音频片段的最后一个音符的出现时间和第二音频片段的最后一个音符的出现时间分别确定背景音频中的第三类转折点。

在一种可能的实现方式中，根据第一音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与第一音频片段与第二音频片段的相似度正相关；根据第二音频片段的最后一个音符的出现时间确定的第三类转折点的优先级，与第一音频片段与第二音频片段的相似度正相关。

在一种可能的实现方式中，第一确定子模块用于：若背景音频中的第一音频片段的音符的能量的强弱交替现象符合指定的强弱交替模式，则根据第一音频片段的最后一个音符的出现时间确定背景音频中的第四类转折点。

在一种可能的实现方式中，根据第一音频片段的最后一个音符的出现时间确定的第四类转折点的优先级，与第一音频片段的相邻音符的能量差值正相关。

在一种可能的实现方式中，第二确定子模块用于：若背景音频中的第一音符与第二音符之间的时间间隔大于第四阈值，则根据第一音符的出现时间确定背景音频中的第二类转折点，其中，第一音符为第二音符的下一个音符。

在本公开实施例中，通过对至少一个待剪辑视频进行镜头检测，确定至少一个待剪辑视频中的至少一个镜头片段，确定至少一个待剪辑视频对应的背景音频中的转折点，并合成至少一个镜头片段和背景音频，使相邻的镜头片段之间的镜头切换时间点和转折点相匹配，由此能够通过对背景音频进行分析确定背景音频中的转折点，使镜头片段与背景音频的音频片段相对应，使音乐变化与镜头切换节奏匹配，从而能够得到音乐变化与画面变化相协调的合成视频。

图5是根据一示例性实施例示出的一种音视频编辑装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

图6是根据一示例性实施例示出的一种音视频编辑装置1900的框图。例如，装置1900可以被提供为一服务器。参照图6，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。